python GDAL如何根据栅格创建shp文件（根据文件名创建文件夹）

1. 概述

遥感影像是开展测绘地理信息工作的重要数据，对于地理国情监测、地理信息数据库更新等意义重大，在军事、商业、民生等领域发挥了越来越重要的作用。

Landsat和哨兵2作为公开的遥感影像中的代表被广大GISer所熟知，一般是通过网页进行下载，Semi-Automatic Classification Plugin作为一款插件，可以直接在QGIS中下载Landsat和哨兵2等影像并加载，下载方式更加灵活方便。

虽然可以免费下载，但是下载的影像分辨率并不太高，如果需要高清、高分辨率的影像，可以使用我们的水经微图进行下载。

水经微图

2. 插件介绍

Semi-Automatic Classification Plugin允许对遥感影像进行监督分类，并提供用于影像的下载、预处理和后处理的工具。

可用于搜索和下载适用于ASTER、GOES、Landsat、MODIS、Sentinel-1、Sentinel-2和Sentinel-3图像。

有几种算法可用于土地覆被分类，此插件需要安装GDAL、OGR、Numpy、SciPy和Matplotlib，一些工具还需要安装SNAP（ESA Sentinel应用程序平台）。

Semi-Automatic Classification Plugin

3. 插件功能

SCP允许通过监督分类对遥感影像进行土地覆盖分类，用户可以使用SCP中提供的一种分类算法来生成土地覆盖栅格。

这些算法需要光谱特征或ROI作为输入，这些定义定义了要在图像中识别的土地覆盖类别。

SCP可以处理由卫星、飞机或无人机获取的多光谱图像，此外，SCP允许直接搜索和下载免费图像。

用户不能将少于4个波段的正射照片、SAR数据和LIDAR数据与SCP一起使用。

输入图像在SCP被称为带组，其被用作用于分类输入，SCP提供了几种用于下载图像预处理的工具，例如转换为反射率和操纵带。

可以使用"准确度和分类"报告工具评估分类结果，同样，可以使用后处理工具来处理栅格，例如分类到矢量、重新分类、直接编辑栅格、分类筛子、分类侵蚀和分类膨胀。

该光谱特性情节和散点图允许光谱特征和ROI的分析，此外，还有几种工具可用于简化ROI的创建和编辑光谱特征。

通过将工具Band calc与Band集中的频段无缝集成，可以计算栅格，可以计算数学表达式和光谱指数，而且可以基于决策规则来计算输出栅格。

批处理工具允许使用脚本界面自动执行几个SCP功能。

影像分类

4. 遥感简介

遥感的一般定义是"无需直接接触即可识别、测量或分析感兴趣对象特征的科学和技术"（JARS,1993）。

通常，遥感是测量从地球表面发出的能量，如果测量的能量来源是太阳，则称为被动遥感，这种测量的结果可以是数字图像（Richards and Jia,2006）；如果测量的能量不是由太阳发射而是来自传感器平台，那么它被定义为主动遥感，例如在微波范围内工作的雷达传感器（Richards 和 Jia,2006）。

所述电磁波谱是"则系统进行分类，根据波长，所有的能量（从短到宇宙长无线电），该移动时，谐波，在光等速"（NASA,2013年）,无源传感器从电磁光谱的光学区域测量能量：可见光、近红外（即 IR）、短波 IR 和热 IR（参见图电磁频谱）。